目前的工作侧重于两个高海拔（ALT）地点（1580米）的空气温度（T）条件的估计，每一个在山（MT）Aenos中的不同取向（东南和西北），希腊，通过使用两个众所周知的统计模型，简单的线性回归（SLR）和多层Perceptron（MLP），其中一个最常用的人工神经网络之一。更具体地说，高替代地点中的平均值，最大和最小T的估计是基于两个下替代网站（1100米）的各自的T数据，东南第一和西北方向的第二个数据，并单独进行每个方向。通过测定系数（R2）和平均绝对误差（MAE）来评估SLR和MLP模型的性能。结果表明，关于东南方向的平均值，最大和最小T的估计，所检查的模型（SLR和MLP）提供了非常令人满意的结果（R2为0.96至0.98），平均t估计相对更好，如确认由最低的MAE（0.83）。对于西北方向，与东南方向的各自估计相比，T估计不太准确（降低R2和更高的MAE），但是，结果被认为是足够的（R2和MAE分别为0.92和1.00至1.40。通常，平均t的估计比极端的估计更好（最小和最大T）。此外，当T估计基于从位于具有相似周围环境的地区的地位的T数据基于来自位于其他环境的地区的地位，如东南部地区的致密和高大植被时，获得了更好的结果（更高的R2和较低，通常是MAE）。 orientation, irrespective of applied method.